臺灣博碩士論文加值系統

在醫學知識的資訊檢索上，網路上有很多專業的醫學資料庫提供資訊，但搜尋結果仍是以排序清單來呈現，故已有許多研究利用資料探勘、文字探勘、知識地圖等技術做進一步的分析，研究結果也證實對使用者在資訊檢索上有很好的改善。但由於現有研究多是以英文的專業醫學文獻為標的，因此本研究目的有以下兩點：一、蒐集中文一般性醫學知識、醫療新知、衛教知識等資訊，建構建構醫學知識地圖，使未來網站經營者可以更快速的建構醫學知識地圖。二、發展合適的知識地圖，協助使用者系統性、整體性的了解，方便做更明確的檢索。
本研究建構之醫學知識地圖，蒐集聯合新聞網（udn.com）之健康醫藥未分類的文章共計2,865篇，文章性質為一般性醫學知識、醫療新知、衛教知識的資訊，語言為中文。將文章送入中文斷詞線上服務系統進行斷詞，以此自動斷詞所產生的詞彙庫，共計斷出43,777個詞彙，作為文件向量的索引詞彙，然後將每一篇文章轉換成文件向量的方式表示，作為下一步驟的輸入值，最後利用生長分層自我組織映射圖技術產生一階層式的醫學知識地圖。
醫學知識地圖有效地將1,331篇未分類的文章分類成二十個主題群集，將一大群的文章提供鳥瞰般的呈現。本研究設計簡單的測試，要求使用者分別使用知識地圖與搜尋引擎來找尋所需的資訊，證實知識地圖可幫助使用者迅速了解聯合新聞網之健康醫藥文章的知識架構，且藉由鄰近文章相似的特性，使用者可了解該主題的相關必要資訊，方便做更明確、快速的檢索。另外由於不需透過專業人士人工費時費力的將文章歸在同一群集，利用資訊技術代替人工，使未來網站經營者面對大量的資料不斷產生，可更快速的建構醫學知識地圖。

The World Wide Web contains a large number of documents that are dynamic, unregulated nature and rapid proliferation. It is increasingly difficult to search for relevant medical information. Many tools have been developed to help users search for useful information, but most of them are still not efficient.
The goal of this paper is to describe an architecture designed to integrate text mining, an automatic thesaurus, and Growing Hierarchical Self-Organizing Map (GHSOM) technologies to provide searchers with fine grained results. Thus, we present a content-base and easy-to-use map hierarchy for medical documents from http://mag.udn.com/mag/life/. Meanwhile, an enhanced topic selection module and a web-based user interface are also proposed. User can browse a graphical display of medical-related topics. Besides, the construction of knowledge representation has to be automatic in order to efficiently handle the fast-growing and changeable medical information. Lastly, we apply a task experiment to evaluate the medical maps. The result shows that the medical map approach outperforms the keyword search approach.

目 錄
指導教授推薦書
口試委員會審定書
長庚大學授權書
誌謝 iv
中文摘要 v
英文摘要 vii
目錄 viii
表目錄 x
圖目錄 xi
第一章 緒論 01
第一節 研究動機與背景 01
第二節 研究目的 04
第三節 研究流程 04
第二章 文獻探討 06
第一節 資訊檢索 06
第二節 知識挖掘 10
一、 資料探勘 12
二、 文字探勘 15
第三節 知識地圖 19
一、 自我組織映射圖概念 20
二、 自我組織映射圖 21
三、 生長分層自我組織映射圖 26
第三章 研究方法 32
第一節 資料的蒐集 33
第二節 文字處理 33
第三節 文件向量 37
第四節 自我組織映射圖 40
第五節 知識地圖 41
第四章 研究結果 43
第一節 知識地圖的使用介面 43
第二節 知識地圖的結果呈現 46
第五章 研究討論 61
第一節 知識地圖的結果觀察 61
第二節 知識地圖的評估 68
第三節 自我組織映射圖方法學的評論 71
第六章 結論與建議 73
第一節 結論 73
第二節 建議 75
參考文獻 77
附錄 GHSOM醫學知識地圖結果 82

表 目 錄
表2-1 資料探勘與文字探勘的異同 12
表5-1 測試題目列表 68
表5-2 測試者找尋各題目答案所花費的時間 69
表5-3 利用知識地圖與搜尋引擎所花費平均時間的比較 70

圖 目 錄
圖1-1 研究流程 5
圖2-1 自我組織映射圖的訓練流程 25
圖2-2 生長分層自我組織映射圖的階層架構圖 27
圖2-3 生長分層自我組織映射圖的成長方式 30
圖2-4 生長分層自我組織映射圖的訓練流程 31
圖3-1 系統發展流程圖 32
圖3-2 中文斷詞演算法流程圖 36
圖3-3 文件在向量空間模型中的表示法 38
圖4-1 醫學知識地圖第一層網頁 44
圖4-2 醫學知識地圖第二層網頁 45
圖4-3 醫學知識地圖文章內容網頁 45
圖4-4 醫學知識地圖第一層 46
圖4-5 醫學知識地圖第一層(1,1)之第二層 47
圖4-6 醫學知識地圖第一層(1,2)之第二層 48
圖4-7 醫學知識地圖第一層(1,3)之第二層 49
圖4-8 醫學知識地圖第一層(1,4)之第二層 50
圖4-9 醫學知識地圖第一層(2,1)之第二層 52
圖4-10 醫學知識地圖第一層(2,2)之第二層 53
圖4-11 醫學知識地圖第一層(2,3)之第二層 55
圖4-12 醫學知識地圖第一層(2,4)之第二層 56
圖4-13 醫學知識地圖第一層(3,1)之第二層 57
圖4-14 醫學知識地圖第一層(3,3)之第二層 59
圖4-15 醫學知識地圖第一層(3,4)之第二層 60
圖5-1 知識地圖階層剖析圖 62
圖5-2 醫學知識地圖文章數量分布圖 66

中文部分
中央研究院資訊科學所詞庫小組中文斷詞線上服務（http://ckipsvr.iis.sinica.edu.tw/）
施如齡、施百俊（2006）。「中草藥用藥」之主題地圖式數位學習教材建構與應用。教育資料與圖書館學，44（2），215-233。
施百俊、施如齡、陳瑞龍（2005）。應用多層次主題地圖於數位教材開發：以「中草藥用藥」為例。陸軍軍官學校八十一週年校慶暨抗戰勝利六十週年紀念學術研討會，高雄市。
許中川、陳景揆（2001）。探勘中文新聞文件。資訊管理學報，7（2），103-122。
郭文建（2002）。資料探勘技術簡介與應用。電信研究雙月刊，32（6），719 – 728。
陳文華、施人英、吳壽山（2004）。探討文字採掘技術在管理者知識地圖之應用。中山管理評論，12（6），35-64。
陳文華、徐聖訓、施人英、吳壽山（2003）。應用主題地圖於知識整理。圖書資訊學刊，1（1），37-58。
曾元顯（2004）。專利文字之知識探勘：技術與挑戰。現代資訊組織與檢索研討會，台北，淡江大學。

英文部分
Agrawal, R., Mannila, H., Srikant, R., Toivonen, H., and Verkamo, A.I. (1996). Fast discovery of association rules. In Advances in Knowledge Discovery and Data Mining, AAAI/MIT Press, 307–328.
Alavi, M. and Leidner, D.E. (2001). Review: Knowledge Management and Knowledge Management Systems : Conceptual Foundations and Research Issues. MIS Quarterly, 25(1), 107-136.
Ananyan, S. (1999). Text Mining Applications and technologies. (http://www.megaputer.com/down/tm/Text_Mining.pps).
Bates, M.J. (1986). Subject access in online catalogs: a design model. Journal of the American Society for Information Science, 37(6), 357–376.
Cabena, P., Hadjinian, P., Stadler, R., Verhees, J., and Zanasi, A. (1997). Discovering Data Mining Form Concept to Implemention. Prentice Hall PTR.
Chen, C., Kuljis, J., & Paul, R. J. (2001). Visualizing latent domain knowledge. IEEE Transactions on Systems, Man, and Cybernetics, 31(4), 518-529.
Chen, H., Fuller, S. S., Friedman, C., Hersh, W. (2005). Medical Informatics: Knowledge Management and Data Mining in Biomedicine. Springer Science & Business Media, Inc.
Chen, H., Lally, A. M., Zhu, B., and Chau, M. (2003). HelpfulMed: Intelligent Searching for Medical Information over the Internet. Journal of the American Society for Information Science and Technology, 54(7), 683-694.
Chen, K. J., and Liu, S. H. (1992). Word identification for Mandarin Chinese sentences. Paper presented at the Proceedings of the Fifteenth International Conference on Computational Linguistics, Nantes.
Davenport,T.H., and Pursak, L. (1998). Work-ing knowledge:How organigations manage what they know. Harvard College Press.
Dickerson, J.A., Berleant, D., Cox, Z., Qi, W., Ashlock, D., Wurtele, E.S., Fulmer, A.W. (2003). Creating and modeling metabolic and regulatory networks using text mining and fuzzy expert systems. In Jason, C.H.W., Wang, T.L., Wang, P. (Eds.). Computational Biology and Genome Informatics, World Scientific Publishing, 207–238.
Dörre, J., Gerstl, P. and Seiffert, R. (1999). Text mining: finding nuggets in mountains of textual data. Proceedings of the 5’th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 398-401.
Frawley, W. J., Piatetsky-Shapiro, G., and Matheus, C.J. (1991). Knowledge discovery databases: An overview, in Knowledge Discovery in Databases. Cambridge, MA: AAAI/MIT, 1-27.
Gartner Group, (1999). Knowledge Management: Understanding the Core value and science. GartnerGroup Business Technology Journal.
Han, J., and Kamber, M. (2000). Data Mining: Concepts and Techniques. Morgan Kaufmann.
Hanley, S. S. (1999). A culture built on sharing. Information week, April 26, 16-17.
Hersh, W. (1996). Information Retrieval: A Health Care Perspective. Berlin, Germany, Springer-Verlag.
Hripcsak, G., Austin, J. H., Alderson, P. O., and Friedman, C. (2002). Use of Natural Language Processing to Translate Clinical Information from a Database of 889,921 Chest Radiographic Reports. Radiology, 224(1), 157-163.
Kandaswamy, A., Kumar, C. S., Ramanathan, R. P. Jayaraman, R., and Malmurugan, N. (2004). Neural Classification of Lung Sounds Using Wavelet Coefficients. Computers in Biology and Medicine, 34, 523-537.
Kohonen T., Kaski, S., Lagus , K., Salojävi, J., Honkela, J., Paatero, V., and Saarela, A. (2000). Self-organization of a massive document collection. IEEE Transactions on Neural Networks, 11(3), 574-585.
Kohonen, T. (1995). Self-Organizing Maps. Berlin, Springer-Verlag.
Kovalerchuk, B., Vityaev, E., Ruiz, J.F. (2001), Consistent and Complete Data and "Expert" Mining in Medicine. Medical Data Mining and Knowledge Discovery, Springer, 238-280.
Lee, D. L., Chuang, H., and Seamons, K. (1997). Document ranking and the vectorspace model. IEEE Software, 14(2), 67-75.
Lei, D., Hitt, M.A. & Bettis, R. (1996). Dynamic core competences through meta-learning and strategic context. Journal of Management, 22, 549-569.
Li, Z., and Xing, L. (1998). Search the Chinese Web -Design and the Operation of Net-Compass. Proceedings of the First Asia Digital Library Workshop, 42-46.
Lin, X., Soergel, D., and Marchionini, G. (1991). A Self-Organizing Semantic Map for Information Retrieval. In Proceedings of the 14th Annual International ACM//SIGIR Conference, 262-269, Chicago.
Logan, D., Caldwell, F. (2000). Knowledge Mapping: Five Key Dimensions to Consider. GartnerGroup.
Mack, R., Ravin, Y., and Byrd, R. J. (2001). Knowledge Portals and the Emerging Digital Knowledge Workplace. IBM Systems Journal, 40(4), 925-955.
March, J. G. (1991). Exploration and Exploitation in Organizational Learning. Organization Science, 2(1), 71-87.
Rauber, A. (1999). LabelSOM: On the Labeling of Self-Organizing Maps. Proceedings of the International Joint Conference on Neural Networks, Washington, DC.
Rauber, A., Merkl, D., and, Dittenbach, M. (2002). The growing hierarchical selforganizing map: exploratory analysis of high-dimensional data. IEEE Transactions on Neural Networks, 13, 1331-1341.
Revere, D., Fuller, S. S, Bugni, P. F., and Martin, G. M. (2004). An Information Extraction and Representation System for Rapid Review of the Biomedical Literature. Proceedings of Medinfo.
Salton, G. (1989). Automatic text processing. New York, Addison-Wesley.
Sullivan, D. (2001). Document Warehousing and Text Mining: Techniques for Improving Business Operations, Marketing, and Sales. Wiley Computer Publishing.
Tanabe, L. and Wilbur, W. J. (2002). Tagging Gene and Protein Names in Biomedical Text. Bioinformatics, 18(8), 1124-1132.
Tyndale, P. (2002). A Taxonomy of Knowledge Management Software Tools: Origins and Applications. Evaluation and Program Planning, 25, 183-190.
Wu, Z., and Tseng, G. (1993). Chinese Text Segmentation for Text Retrieval : Achievements and Problems. Journal of the American Society for Information Sciences, (44), 532-542.
Yang, C., Yen, J., and Yung, S. (1998). Chinese Indexing Using Mutual Information. Proceedings of the First Asia Digital Library Workshop, 57-64.
Yang, C.C., Chen, H., and Hong, K. (2003). Visualization of large category map for internet browsing. Decision Support Systems, 35, 89-102.
Zhu, B., Leroy, G., Chen, H., & Chen, Y. (2002). MedTextus: An intelligent Web-based medical meta-search system. Proceedings of the 2nd ACM/IEEE-CS joint conference on Digital libraries. Portland, Oregon, USA, ACM Press